numpy

Question

में एक 3 डी सरणी के 2 डी टुकड़ा की मतलब हो जाओ मैं का एक आकार के साथ एक numpy सरणी है:

(11L, 5L, 5L) 

मैं प्रत्येक सरणी के 'टुकड़ा' के 25 तत्वों से अधिक मतलब गणना करना चाहते हैं [ 0,:,:], [1,:,:] आदि, 11 मूल्य लौट रहे हैं।

यह मूर्खतापूर्ण प्रतीत होता है, लेकिन मैं यह नहीं कर सकता कि यह कैसे करें। मैंने सोचा है कि mean(axis=x) फ़ंक्शन ऐसा करेगा, लेकिन मैंने धुरी के सभी संभावित संयोजनों को आजमाया है और उनमें से कोई भी मुझे वह परिणाम नहीं देता है जो मैं चाहता हूं।

मैं स्पष्ट रूप से लूप और स्लाइसिंग के लिए ऐसा कर सकता हूं, लेकिन निश्चित रूप से एक बेहतर तरीका है?

Answer 1

एक टपल का प्रयोग करें धुरी के लिए:

>>> a = np.arange(11*5*5).reshape(11,5,5) 
>>> a.mean(axis=(1,2)) 
array([ 12., 37., 62., 87., 112., 137., 162., 187., 212., 
     237., 262.]) 

संपादित करें: यह बदतर केएस केवल numpy संस्करण 1.7+ के साथ।

Answer 2

आप reshape(11, 25) और फिर mean कॉल कर सकते हैं केवल एक बार (तेज):

a.reshape(11, 25).mean(axis=1) 

वैकल्पिक रूप से, आप (अपने कंप्यूटर पर धीमी 2X के बारे में) दो बार np.mean कॉल कर सकते हैं:

a.mean(axis=2).mean(axis=1) 

Answer 3

हमेशा उपयोग कर सकते हैं np.einsum: उच्च आयामी सरणियों पर

>>> a = np.arange(11*5*5).reshape(11,5,5) 
>>> np.einsum('...ijk->...i',a)/(a.shape[-1]*a.shape[-2]) 
array([ 12, 37, 62, 87, 112, 137, 162, 187, 212, 237, 262]) 

काम करता है (इन सभी विधियों अक्ष लेबल बदल जाएगा अगर कर रहे हैं):

>>> a = np.arange(10*11*5*5).reshape(10,11,5,5) 
>>> (np.einsum('...ijk->...i',a)/(a.shape[-1]*a.shape[-2])).shape 
(10, 11) 

तेज़ बूट करने के लिए:

a = np.arange(11*5*5).reshape(11,5,5) 

%timeit a.reshape(11, 25).mean(axis=1) 
10000 loops, best of 3: 21.4 us per loop 

%timeit a.mean(axis=(1,2)) 
10000 loops, best of 3: 19.4 us per loop 

%timeit np.einsum('...ijk->...i',a)/(a.shape[-1]*a.shape[-2]) 
100000 loops, best of 3: 8.26 us per loop 

सरणी आकार बढ़ने के साथ अन्य तरीकों के बाद थोड़ा बेहतर स्केल करता है।

dtype=np.float64 का उपयोग पर्याप्त रूप से ऊपर समय परिवर्तन नहीं करता है, तो बस दोहरी जांच करने के लिए:

a = np.arange(110*50*50,dtype=np.float64).reshape(110,50,50) 

%timeit a.reshape(110,2500).mean(axis=1) 
1000 loops, best of 3: 307 us per loop 

%timeit a.mean(axis=(1,2)) 
1000 loops, best of 3: 308 us per loop 

%timeit np.einsum('...ijk->...i',a)/(a.shape[-1]*a.shape[-2]) 
10000 loops, best of 3: 145 us per loop 

इसके अलावा

कुछ है कि दिलचस्प है:

%timeit np.sum(a) #37812362500.0 
100000 loops, best of 3: 293 us per loop 

%timeit np.einsum('ijk->',a) #37812362500.0 
100000 loops, best of 3: 144 us per loop